挖掘頻繁模式、關聯和相關性：基本概念和方法
阿新 • • 發佈：2018-12-30
基本概念
頻繁模式：
頻繁模式是頻繁地出現在資料集中的模式（如項集、子序列或子結構）。
例如：頻繁地同時出現在交易資料集中的商品（如香皂和洗衣液）的集合是頻繁項集。
| 序號 | 交易號 | 香皂（a） | 洗髮露（b） | 洗衣液（c） | 牙膏（d） | 簡化表示 |
|---|---|---|---|---|---|---|
| 1 | 081201 | 香皂 | 洗髮露 | 洗衣夜 | a, b, c | |
| 2 | 081202 | 香皂 | 洗衣夜 | 牙膏 | a, c, d | |
| 3 | 081203 | 香皂 | 洗髮露 | a, b, | ||
| 4 | 081204 | 洗髮露 | 洗衣夜 | 牙膏 | b, c, d | |
| 5 | 081205 | 香皂 | 洗髮露 | 洗衣夜 | 牙膏 | a, b, c, d |
| 6 | 081206 | 香皂 | 洗髮露 | 洗衣夜 | 牙膏 | a, b, c, d |
| 7 | 081207 | 洗髮露 | 牙膏 | b, d | ||
| 8 | 081208 | 香皂 | 牙膏 | a, b, c, d | ||
| 9 | 081209 | 香皂 | 洗髮露 | a, d | ||
| 10 | 081210 | 香皂 | 洗髮露 | 牙膏 | a, b, d |
關聯規則：
關聯規則就是描述資料事務屬性專案之間的關聯。
- 表示成X＝>Y(s%, c%)。
- 其中s%為支援度，即X和Y同時出現的概率，c%為置信度，即在X出現的情況下，Y也出現的概率。
- 舉例：上表中可以知道：有6個事務中買香皂就一定買了洗髮露；如第1，3，5，6，9和10條。這個概率為6/10=60%。
在買香皂的前提下（即有8個，1，2，3，5，6，8，9，10），又買洗髮露的個數為6個，這個概率為6/7=85%。
那麼寫“買香皂就一定買了洗髮露”的關聯規則表示成：a=>b。此時的支援度為60%，置信度為85％。
支援度：
支援度就是指定的專案組合集，在資料庫中包含這個專案集的事務數佔總數的比例。
- 專案集就是專案屬性的任意組合，如表所示，這裡有4個專案屬性a,b,c,d,則可能有4^2即16種情況，全部沒有除外就只有15種情況。
- 假設專案集為{a}，也就是買香皂的交易有：1，2，3，5，6，8，9，10，也就是有8個交易中有香皂，所以專案集為{a}的支援數為8，支援度為80%。
假設專案集為{a，b}，也就是同時買香皂和洗髮露的交易有：1，3，5，6，9,10也就是有6個交易中同時有香皂和洗髮露，所以專案集為{a，b}的支援數為6，支援度為60%。
置信度：
置信度是在X出現的情況下，Y也出現的概率。計算公式為：X和Y的支援數/X的支援數。
- 規則：{a,b}=>{c}(30%, 50%), {a,b,c}的支援數為3個，{a,b}的支援數為6個,規則置信度為50%。
頻繁專案集：
頻繁專案集就是指專案集的支援度大於人們指定的支援度。
- 舉例：專案集為{a，b}的支援數為6，支援度為60%，如果人們指定的支援度為60%，則它為頻繁專案集。如果指定的支援度為61%，它為非頻繁專案集.
本人初學，敬請指教。